一种纺织印染图案的多尺度彩色分割算法

为了提高纺织印染图案的分色精度,提出一种多尺度彩色图像分割技术.该方法利用纺织印染图案中主要套色数少的特点,通过人眼观察手动提取图案中最具代表性的套色;根据上一尺度方块的颜色信息和同一尺度下邻近方块的颜色信息对图像进行多尺度分割,形成一棵非均匀的四叉树形结构,树中每个节点按照颜色空间的距离映射到最近的套色中,并随着尺度的递增对上一级的分割结果进行递归修正.最后对分割图像中一些小的连通区域进行后处理,消除合并这些区域,提高整体的分割精度.由计算机模拟实验的分割结果表明,与一般基于聚类技术的彩色分割算法和基于边缘提取的分割算法相比,该方法对于纺织印染图案有较好的颜色分割效果,并和人的主观视觉效果有更好的一致性.

抗纹理噪声干扰的纺织印染图像分割技术

针对纺织印染图像存在主要套色数少,且受纺织"纹理噪声"干扰这两个特点,提出了一种基于上下文模型的多尺度最大后验概率分割方法.在提取印染图像的基本套色以及能代表纺织纹理特征样本图像的条件下,从底层进行粗粒度分割,随着尺度的增加,应用上下文模型对上一尺度下的分割结果进行修正,直至最精细尺度.在计算机模拟实验中,用基于上下文模型的多尺度方法对一些彩色纺织印染图像进行分割,并与mean-shift算法、基于四叉树结构的多尺度块分割算法进行比较,实验结果表明,该算法针对彩色纺织印染图像能达到较好的分割效果,并且分割后图像具有光滑边缘.

基于多尺度分割的二维条码定位算法

为正确定位二维条码在图像中的位置,提出一种多尺度分割定位算法。在最初分割中,图像被分成若干分块。根据分块的黑白像素比、高频子带系数方差等特征值,将分块分割为条码和非条码区域。随着尺度的增加,利用多尺度分割模型对下一尺度的分割结果进行修正。以此类推,直至最精细尺度,得到条码在图像中的定位。实验结果表明该算法能较好地分割出图像的条码区域。特别在含有大量文字等复杂背景的情况下,该方法具有一定优势。

基于图像视觉特征与LDA模型的取景图像识别

对数码相机取景图像进行场景的自动识别与归类是数码相机模式自动调整的核心问题之一。本文提出一种结合图像视觉特征与LDA(Latent Dirichlet Allocation)模型的取景图像自动识别算法:在图像类别训练中,以整个训练图像类的特征码作为训练对象,其中特征码包含图像的低层视觉特征,得到各类图像的LDA模型。在图像识别中,通过计算目标图在各类图像模型中的后验概率来判断该图所属类别。实验结果较好,说明此算法可用于对数码相机取景框图像场景识别。

混合模式教学法在高职javascript程序设计课程中的应用

文章针对javascript程序设计课程提出一种基于“看一看,做一做,教一教”的混合教学模式。在此教学模式下,课堂教学将教师为主体转成以学生为主体,学生学习变被动为主动。与传统教学练一体化的教学模式相比,此种教学模式获得了较好的教学效果。

LoraWAN技术及其在物联网中的应用

近年来,低功耗广域网作为物联网的接入网技术被广泛应用。LoraWAN技术作为低功耗广域网技术中的主流技术,其低成本、低功耗、远距离、低速率、广覆盖等特点很好地与物联网应用需求相匹配。本文介绍物理层Lora调制技术,分析LoraWAN通信协议,阐述LoraWAN的应用发展。

CPS模型在高职B/S课程教学中的应用

在高职计算机专业教学中,"B/S结构程序设计"课程,因其具有逻辑性强、综合技术要求高等特点,教学效果常常不尽如人意。本文提出可在教学过程中引入CPS模型改变教学方式,从而激发学生的学习主动性和创造性,最终提高学生的应用能力和创新能力。

基于集成学习的取景图像自动分类方法

针对电子摄影设备对取景图像场景自动分类的问题,提出一种基于集成学习的分类方法。方法分为训练和判断两个阶段。在训练阶段,从已知类别的训练图像中提取特征向量集作为训练数据后,构建弱分类器;应用AdaBoost的思想,根据分类错误率,不断调整训练数据的权重及弱分类器的权重,构建强分类器。在判断阶段,则用强分类器计算目标图像的特征向量,根据运算结果来判断图像的类别。实验结果证明,该方法对部分类别的图像分类效果较好。